Definition
귀납적 학습(Inductive Learning)은 많은 사례들(data)로부터 패턴을 발견하고 일반화하는 기계 학습의 핵심 방식이다. 구체적 예시 → 추상적 규칙으로 가는 “하향식” 추론.
How It Works
Process:
수많은 고양이 사진 → 패턴 인식 → "이게 고양이의 특징이구나"
Strength:
├─ 경험을 통한 자동 학습
├─ 인간이 정의하지 않은 패턴도 발견
└─ 매우 강력한 성능
The “Detective” Role
귀납적 학습 = 탐정 같은 AI
특징:
├─ 증거(data) 기반 추리
├─ 보이지 않은 패턴 발견
├─ 경험에서 지식 축적
└─ 매우 유능하고 강력
Limitations
한계:
├─ 패턴은 찾지만 왜인지 모름
├─ "사과"를 인식하지만 "과일"임을 모름
├─ 의미적 맥락 이해 부족
└─ "블랙박스" 문제
The Cave’s Shadow
Plato's Cave metaphor:
└─ ML은 동굴 속 그림자(패턴)만 봄
└─ 그림자 뒤의 현실(의미)은 못 봄
References
- Deductive-Reasoning — 대조되는 방식
- Hybrid-Brain — 둘의 결합
- Platonic-Cave-and-AI — 이론적 배경